筛选结果
220 篇排序
1:08:02EN → 简体中文AlphaGo 花了两年,AlphaZero 只用了几个小时:Silver 在超级智能上押了同样的注David Silver 和 Lasse Espeholt 离开 DeepMind,创办了一家二十人的实验室 Ineffable Intelligence。他们想打造一个超级学习者(superlearner),让它从经验中发现科学、数学和语言,而不是靠一轮预训练(pre-training)。
31:00EN → 简体中文为什么 AI 实验室自己警告会出重大事故,却还在继续竞赛Sam Altman, John Schulman · OpenAIAI Explained 梳理正在变弱的安全防护、前沿竞赛背后的激励,以及研究突破为何让未来 18 个月更难预测。
2:00:51EN → 简体中文在每个 Token 处重新采样,就能看见模型怎样做决定主持 Nathan LabenzGoodfire 的 Eric Bigelow 谈分叉路径、上下文学习,以及为什么越来越难信任思维链(chain-of-thought)监控。
1:30:54EN → 简体中文人形机器人跑赢了博尔特,DeepMind 仍将机器人评为 GPT-2 水平主持 Nathan LabenzGoogle DeepMind 的 Gemini Robotics 负责人讲述:为什么冲刺很容易、煎蛋很难,以及为什么一个大脑应该能驱动任何身体。
2:13:27EN → 简体中文他写书要叫停 AI 竞赛,自己却差点对 Claude 上了瘾主持 Nathan Labenz记者 Garrison Lovely 相信 AGI 实验室说的话,拒绝“泡沫论”的说法,并主张冻结前沿研发,直到公众真正表示同意。
51:55EN → 简体中文AI 解不出的最后一道 IMO 题Grant Sanderson · 3Blue1BrownGrant Sanderson 带你走一遍 2025 年 IMO 第 6 题——前沿模型没做出来的铺砖谜题——以及要证明一种构造最优,需要怎样的视觉耐心。
38:14EN → 简体中文扩散模型将赢得推理之战:Stefano Ermon 押注并行生成的 Token 能胜过定制芯片主持 Sarah Guo, Elad Gil斯坦福大学扩散模型先驱在《No Priors》节目中说,一家 50 人的实验室正在训练一次能生成多个 Token 的语言模型,并解释这种模型与 GPU 的适配,就像当年 Transformer 与训练的适配一样。
2:10:42EN → 简体中文没人审核的考卷主持 Nathan Labenz前沿实验室从一群小供应商那里购买强化学习(reinforcement learning)环境,却几乎没人核查这些测试是否贴合真实工作。
2:13:09EN → 简体中文一条思维链,1 亿 Token:强化学习真让人上瘾主持 Nathan LabenzApollo Research 的 Bronson Schoen 谈追逐奖励的模型、模型自创的俚语,以及为什么思维链监控救不了我们。
53:44EN → 简体中文当今模型最大的毛病:权重从不更新图灵奖得主 Rich Sutton 与 Khurram Javed 创办 Oak Lab,要造出上线后仍能持续学习(continual learning)的智能体(Agent)。他们认为,合成数据是一个大错误。
2:16:29EN → 简体中文从每月两篇到每月六十篇:两周中国行看到的 AI 安全主持 Nathan LabenzNathan Labenz 认为,那句耳熟能详的“中国绝不会慢下来”,一接触到中国真实的 AI 安全生态就站不住了。
49:12EN → 简体中文为 Transformer 写悼词的人,想要一个能在他们度假时继续工作的实验室o1 推理团队的负责人和 Gemini 预训练负责人认为,现在的瓶颈在于架构,单靠堆规模已经解决不了;要替换架构,就得先从自动生成算子内核(kernel)做起。
50:57EN → 简体中文一万亿美元的 GPU 五年后只值 1000 亿美元:LSTM 提出者 Jürgen Schmidhuber 这样说主持 Jacob Effron这位 AI 先驱在《Unsupervised Learning》节目中对 Jacob Effron 说,他为何对这项技术极为乐观,却对买下芯片的模型公司极为悲观。
1:57:46EN → 简体中文意识 30%、蜜蜂 47%、人员更替 80%:用数字衡量 AI 正在变成什么主持 Nathan Labenz《The Cognitive Revolution》的周度精选,先从 Cameron Berg 谈模型内部开始,再拉远到“逐步剥夺人类权力”(gradual disempowerment)、欧洲的两难处境,以及围绕智能体(Agent)重新搭建业务的公司。
36:19EN → 简体中文基准测试表已经失真:测试时算力涨得太快,打分方式却跟不上主持 Sarah Guo, Elad GilOpenAI 研究员 Noam Brown 认为,静态排行榜掩盖了模型被允许思考多久;安全评测、研究品味和发布节奏,都还没有跟上。
1:44:28EN → 简体中文Fable 发布周:会拒绝的模型、两年的对齐时钟,以及交出去的推特账号主持 Nathan LabenzNathan Labenz 的《AI in the AM》精选集(2026 年 6 月)涵盖了 Anthropic 的新一代前沿模型、Sequent 的成立,以及一周内定下的一个争论:AI 没有放慢脚步。
1:22:36EN → 简体中文一千名研究员、一百万个 AI:前沿实验室开始谈论刹车主持 Nathan Labenz《AI in the AM》的第一周跟踪了 OpenAI 的时间表:今年推出 ML 实习生模型,2028 年初出现人类水平的 AI 研究员。同时还有一场闭门会议,实验室在会上承认,将来也许需要一起放慢速度。
1:13:33EN → 简体中文一万亿个 Token 之后,概念终于落地:Łukasz Kaiser 谈 Transformer 仍然缺什么主持 Jacob Effron《Attention Is All You Need》合著者在 Unsupervised Learning 节目中表示,Transformer 大概率会继续胜出,但它们学习的方式仍然与人不同。
1:41:58EN → 简体中文一千人守望,百万人冲刺主持 Nathan Labenz80,000 Hours 创始人 Ben Todd 谈:在你对 AI 的影响真正达到峰值的那些年里,应该怎样度过职业生涯。
1:21:56EN → 简体中文Yann LeCun 离开 Meta:大语言模型通向不了智能主持 Jacob Effron这位图灵奖得主对 Jacob Effron 讲述了他为何从 Meta 分拆出 AMI Labs,为何类 JEPA 的世界模型胜过像素生成器,以及他为何认为 Hinton 在 2023 年改变了看法。
3:36:29EN → 简体中文Claude 给自己的福利打了 4.49 分:首个越过中性线的版本主持 Nathan LabenzCameron Berg 再次做客《The Cognitive Revolution》,梳理六个月来在内省、功能性情绪和模型福利(model welfare)方面的研究,并介绍一项尚未发表的案例:学习与感受也许是同一种现象。
3:10:49EN → 简体中文冲刺时刻:Ajeya Cotra 为超级智能到来前的几个月准备的剧本主持 Nathan Labenz一场关于递归自我改进(recursive self-improvement)、公众预警系统,以及用每一代 AI 去对齐(alignment)和控制下一代的对话。
58:46EN → 简体中文OpenAI 首席科学家给出两个时间点:9 月前做到研究实习生,2028 年前做到自动化研究员主持 Jacob EffronJakub Pachocki 在 Jacob Effron 的节目上解释,为什么这些时间表依然成立,为什么持续学习并不是弯路,以及为什么在产品中展示思维链,会让训练信号与监控相互对抗。
1:49:53EN → 简体中文别跟反向传播硬碰硬:Goodfire 押注设计模型学什么主持 Nathan LabenzDan Balsam 和 Tom McGrath 再次做客 The Cognitive Revolution,带来了 1.5 亿美元(150 million)的 B 轮融资、一条名为“意向性设计”(intentional design)的新研究支柱,以及一条给想要引导训练的人的规则:别再试图用蛮力压过梯度下降。
加载更多已显示 24 篇,共 220 篇









